QomLaqtac: Corpus paralelo qom-español
; Cotik, Viviana Erica ; Korablev, Aleksei Otros responsables
Fecha
Publicador:
Consejo Nacional de Investigaciones Científicas y Técnicas
Fecha de depósito:
8/06/2026
Fecha de creación:
1/8/2025
Clasificación temática
Palabras clave
Resumen
Corpus paralelo qom-español en formato estructurado y utilizable computacionalmente. Reúne más de 30.000 segmentos alineados de diversas fuentes, que se propone mitigar el desplazamiento lingüístico, preservar la memoria y respaldar la educación intercultural.
Métodos
El corpus está compuesto por una colección de textos paralelos bilingües qom-español que abarca diversos géneros discursivos, entre ellos narrativas orales, materiales educativos, textos literarios y traducciones religiosas y jurídicas. Se integraron tanto recursos previamente disponibles en formato bilingüe como nuevos textos alineados específicamente para este trabajo.
Entre las fuentes preexistentes se incluyen Arte verbal Qom: consejos, rogativas y relatos de El Espinillo (Arte verbal Qom: consejos, rogativas y relatos de El Espinillo), el Manual de promoción de la salud entre los tobas (qom) del Chaco Central, Las aventuras de Copaic, el gato montés y los Materiales del Taller de Lengua y Cultura Toba. Asimismo, se incorporaron y alinearon la Declaración Universal de los Derechos Humanos, El Principito y la Biblia.
El corpus preserva las variantes ortográficas presentes en las fuentes originales, con el fin de reflejar la diversidad sociolingüística de los materiales escritos por hablantes de distintas comunidades.
El procesamiento de los datos incluyó la conversión de los recursos ya alineados a un formato legible por computadora y la alineación manual o semiautomática de textos previamente no emparejados. Según las características de cada obra, la alineación se realizó a nivel de versículo, párrafo o, en algunos casos, oración. Posteriormente, se llevaron a cabo procedimientos de evaluación de la calidad de las alineaciones, así como etapas de filtrado y eliminación de duplicados para garantizar la consistencia del corpus final.
El resultado es un conjunto heterogéneo de unidades textuales —fragmentos, oraciones completas y párrafos— que conserva la estructura y fidelidad semántica de las traducciones originales y constituye una base robusta para el entrenamiento y la evaluación de herramientas de procesamiento automático del qom y del español.
Condiciones de uso
Las buenas prácticas científicas esperan que se otorgue el crédito adecuado mediante una citación. Utilice un formato de citación y aplique estas normas de reutilización:
Rights and licensing
info:eu-repo/semantics/restrictedAccess
Datos sujetos al derecho de propiedad intelectual
Datos sujetos al derecho de propiedad intelectual
Archivos
ARCHIVO
NOTAS DE USO
TAMAÑO
QomL-Bible.zip
3.26 MB
QomL-Base.zip
249.66 KB